RAGFlow 各模型只在各自环节工作

是什么

视频用 RAGFlow 的知识库问答流程，解释不同组件和模型的职责：文档先被切分、清洗并入库；文本与问题分别向量化；向量数据库检索相似内容；再通过重排提升相关性，最后由聊天模型生成答案。

关键内容

其核心判断是“大模型不是从头做到尾”，而是位于检索链路末端。视频还展示了 RAGFlow 的模型配置界面，其中可见多种模型或服务提供方。

可借鉴之处

搭建 RAG 应按职责拆分评估：解析与切分质量、嵌入模型、召回、重排和最终生成应分别验证，而不能只替换聊天模型。把检索结果与最终答案分层观察，也更利于定位质量问题。

边界与风险

转写中多个模型名和技术词存在明显识别误差，不能据此确认具体模型、算法或性能结论；“向量数据库不属于 AI”“数据预处理完全没有 AI”等说法是视频的简化表达，实际实现可使用模型辅助解析、OCR 或结构化抽取。屏幕中的服务名称仅能证明界面出现，不能证明视频实际使用或推荐它们。